Biometria
2023-07-31
Texto basico
Introduccion al curso de Biometria
Qué es un diagrama de Ciclo de Vida
Por: Nhora Ospina
Ejemplos de ciclos de Vida
Escribo algo
Ejemplos de un ciclo de vida sencillo
Tengo mucho texto que ampliar
Ejemplo de un ciclo de vida con 3 estadios
library(Rage)# hidden code to produce figures
library(DiagrammeR)
matA <- rbind(
c(0.0, 0.0, 3.2),
c(0.5, 0.3, 0.8),
c(0.0, 0.4, 0.9)
)
stages <- c("seedling", "rosette", "flowering")
title <- NULL
graph <- expand.grid(to = stages, from = stages)
graph$trans <- round(c(matA), 3)
graph <- graph[graph$trans > 0, ]
nodes <- paste(paste0("'", stages, "'"), collapse = "; ")
graph$min_len <- (as.numeric(graph$to) - as.numeric(graph$from)) * 3
graph$col <- c(
"PaleGreen4", "PaleGreen4", "PaleGreen4", "Goldenrod1",
"MediumOrchid4", "PaleGreen4"
)
edges <- paste0("'", graph$from, "'", " -> ", "'", graph$to, "'",
"[minlen=", graph$min_len,
",fontsize=", 10,
",color=", graph$col,
",xlabel=", paste("\"", graph$trans),
"\"]\n",
collapse = ""
)
grViz(
paste(
"
digraph {
{
graph[overlap=false];
rank=same;
node [shape=", "egg", ", fontsize=", 12, "];",
nodes, "
}",
"ordering=out
x [style=invis]
x -> {", nodes, "} [style=invis]", edges,
"labelloc=\"t\";
label=\"", title, "\"
}"
)
)Ejemplo de un cicle de vida con estadio de latencia
plot_life_cycle(matA, stages=stages, fontsize = 0)Code for color coding figure
Ejemplo de un cicle de vida con estadio de post reproducción
Ejemplo de un cicle de vida incompleto (y biologicamente erroneos)
Referencias
Introduccion a la Biometria
El libro de la clase
Introductory Biological Statistics by Havel, Hampton and Meiners Presione en el titulo para dirigirlo a Amazon.
Fecha de la ultima revisión
## [1] "2023-07-31"El proceso de investigación:
En este curso se estará enfatizando los análisis cuantitativo, esto es simplemente que analizamos los datos para llegar a una conclusión o interpretación sobre un tema. Naturalmente el proceso de seleccionar los datos puede ser un reto grande. Como uno selecciona los datos y el desarrollo de la investigación depende del diseño experimental. El diseño es el procedimiento de como uno recolecta los datos y como los vamos a analizar. En este curso no estaremos evaluando métodos cualitativos de análisis. Este método cuantitativo se refiere a evaluar principalmente opiniones, motivaciones o razones que influencia o impacta una situación. En los métodos cuantitativos es necesario que los resultados sean de una forma o otra numéricos o categóricos.
El proceso de investigación cuantitativo tiene múltiples pasos y podemos visualizar los pasos con un diagrama de flujo.
El proceso de Investigación
El primer paso:
- Todo comienza con una pregunta que te llama la intención. Esta pregunta proviene de haber observado tu ambiente. Puede que sea algo muy sencillo (por ejemplo: si la cantidad de estudiantes por salón impacta su rendimiento), o puede ser una pregunta más complicada (por ejemplo cual es el impacto de la lactancia sobre el desarrollo de las células, la bioquímica y inteligencia de los niños).
El segundo paso
- El próximo paso es desarrollar una hipótesis. Hay dos tipos de hipótesis, la hipótesis nula y la hipótesis alterna. SIEMPRE uno comprueba la hipótesis NULA. La nula en la en forma más sencilla es que los grupos son iguales. En otra palabra, si regresamos a la pregunta del primer paso, el rendimiento de los estudiantes es irrelevante de la cantidad de estudiantes en el salón en otra palabra es igual si hay pocos o muchos estudiantes. La hipótesis alterna es que “que la cantidad de estudiante en un salón impacta el rendimiento de los estudiantes”. Hay otros tipos de hipótesis nula que veremos más tarde.
- Si se acepta la hipótesis nula esto quiere decir que NO hay evidencia que los grupos sean diferentes.
- Si se rechaza la hipótesis nula es que hay evidencia que los dos grupos sean diferentes.
El tercer paso:
- Ahora hay que definir cual son las variables (datos) que se van a recolectar para evaluar la hipótesis. Por ejemplo, cuantos grupos de estudiantes se seleccionará (2, 3, 10 salones?), La información se recolectará de cuantos estudiantes por salones (todos, la mitad, los que se aparece, o se seleccionará los estudiantes al azar, y si selecciona al azar cual es el mecanismo para seleccionarlos de esta forma). Cual sera el indice de “rendimiento” (el entusiasmo de cada estudiante, la nota de un examen, de un trabajo, la nota final). Si se selecciona la nota final la información sera la nota numérica o alfabética (A, B, C, D, o F).
Tomando la información anterior en consideración esto determinará el diseño experimental y las pruebas estadísticas que se deberá utiliza en el quinto paso.
El cuarto paso:
- Recolectar los datos. Este se debe hacer de una forma sistemática, con la información bien apuntado y subir la información en una hoja de calculo (spreadsheet), como MS Excel, Google Sheet y Numbers. Es mi sugerencia de NUNCA utilizar un programa como SPSS o JMP para poner los datos, ya que con estos programas si en el futuro se quiere tener acceso a los datos, y no tiene el programado o el programado ha cambiado de versión muchas veces los datos no se pueden leer (experiencia personal).
El quinto paso:
- En este paso se hará los gráficos y los análisis estadísticos para evaluar la hipótesis.
El sexto paso:
- Aceptar o rechazar la hipótesis NULA.
Tipo de error de interpretación en estadística
El concepto básico en estadística, y probablemente el más difícil a captar para algunos es que en el mundo existe la verdad, pero cuando uno recolecta datos, no necesariamente los datos de la muestra representa la verdad o sea la realidad. Por consecuencia siempre hay una posibilidad que los datos nos engaña, y si nos engaña estamos haciendo un error en rechazar o aceptar la hipótesis nula. Por consecuencia aun que uno tome todas las precauciones para tener un diseño experimental adecuado es posible que los datos no representan el universo de los datos (la verdad).
Típicamente se rechaza la hipótesis nula si el valor de p es menor de 0.05. No es necesario que el valor sea menor de 0.05 para rechazar la hipótesis, en cierta condiciones el valor crítico pudiese ser mayor o menor de 0.05. El valor de p represente la probabilidad de rechazar la hipótesis nula cuando se debería aceptar. Por consecuencia un valor de p = 0.05, significa que hay 5% de probabilidad de cometer un error en que rechazamos la hipótesis cuando se debería aceptar si repetimos la investigación 100 veces (una razón de 1:20). Entonces este representa un tipo de error posible, frecuentemente nominado tipo de error 1 o alfa. En otra palabras significa la probabilidad de rechazar la hipótesis cuando uno debería aceptar la hipótesis. El otro tipo de error 2 o beta representa el error de aceptar la hipótesis nula cuando se debería rechazar.
Los tres términos usado en estadística para de los dos tipos de errores
- Tipo de error I, alfa, falso positivos
- Tipo de error II, beta, falso negativos
Aquí un gráfico de los tipos de errores. El par de gráficos representa los dos tipos de error y las dos condiciones en que no se hace un error.
El proceso de Investigación
Ahora vamos a considerar un ejemplo básico de preguntas que se podría evaluar. En este tiempo moderno un tipo de programas a la televisión bien común son los “Reality Shows”. Donde típicamente participa individuos supuestamente “normal” que no sean actores profesionales. Aquí una lista de algunos de los “Reality Shows”.
Consideramos los Reality Shows:
- Kardashians
- The Bachelorette
- Survivors
- Big Brother
- Shark Tank
- Skin Wars
- Hell’s Kitchen
Personalidad de las personas
Uno se podría preguntar que tipo de persona son seleccionado para participar en estos tipos de programas. Una hipótesis que son gente con tipo de personalidad bien específica. Una hipótesis es que son gente que cumple con unas características tal como Trastorno de personalidad narcisista (TPN): estas personas de vez en cuando caracterizado como megalomanía, demuestran un patrón a largo plazo de comportamiento anormal caracterizado por sentimientos exagerados de importancia personal, necesidad excesiva de admiración y falta de empatía.
En un ejemplo de Field et al. 2014 se demuestra la siguiente información sobre personas que solicitaron ser parte de uno de estos Reality Show que se llama Big Brother.
Una hipótesis es que los productores de estos Reality Shows
seleccionan gente con características de TPN más a menudo que las gente
que no tienen esta condición. Podemos comprobar esto recolectando datos
de los que solicitan y los que fueron aceptado o no a participar en Big
Brother (United Kingdom). Se entrevistaron 7662 personas para
seleccionar 12, a cada uno se le hizo una prueba si tenia síntomas de
TPN.
***
| No TNP | TPN | Total | |
|---|---|---|---|
| Seleccionado | 3 | 9 | 12 |
| Rechazado | 6805 | 845 | 7650 |
| Total | 6808 | 854 | 7662 |
Lo que uno observa es que la gente que son identificado que tiene características que cumple con TPN son más propenso a ser seleccionado para participar en el programa. Si fuese que la selección hubiese sido al azar, uno esperaría solamente 1 o 2 personas al máximo con la condición de TPN, no 9 personas. Más tarde aprenderemos como calcular el valor esperado exacto.
Cuando que una hipótesis no es una hipótesis?
Una hippotesis tiene que ser falsificable
Esto quiere decir hay que tener un mecanismo para determinar la veracidad de una expresión. Por ejemplo en las 4 expresiones siguiente hay 2 que no pueden ser falsificable. El concepto de hipótesis falsificable proviene del filósofo Karl Popper en su libro Logik der Forschung (1934), traducido al español La lógica de la investigación científica. Ahora toma el tiempo de evaluar las siguientes expresiones y trate de determinar si son hipótesis falsificable. Desafortunademente, en el vocabulario popular el términos hipótesis y teoría se usan para describir cualquier pensamiento que la gente QUISIERA que se verídico. También se hace hipótesis o mejor dicho expresiones que no son falsificable. En nuestra sociedad donde cualquier persona se puede llamar un periodista y especialista en un tema los comentarios no falsificable dominan y resulta en confusión para la gente. Es importante en ciencia que los temas, las áreas de investigación sean falsificable.
Ejercicio #1
- Lin Manuel es el mejor actor del mundo
- Todos la cisnes son blancos
- El aumento en producción de semillas en una planta X aumenta con el tamaño poblacional de esta especie.
- Los Beatles vendieron más discos que cualquier otro grupo artístico.
Evaluación de las expresiones falsificables
Lin Manuel es el mejor actor del mundo.
Esta expresión no es una hipótesis falsificable porque el concepto de mejor es uno que es basado en un juicio individual. En otra palabra como se mide “mejor, y quien toma la decisión sobre este medida cualitativa. Si Ud. proviene de una cultura diferente la apreciación a la música cambia drasticamente.
Todos los cisnes son blancos
El problema con esta expresión es la palabra “Todos”. En ningún momento aun que uno trate nunca se podría encontrar “Todos” los cisnes para evaluar sin son blancos o no. Por consecuencia no es falsificable. El concepto de “Todos” aquí asume que ni uno no sera evaluado, que es imposible.
El aumento en producción de semillas en una planta X aumenta el tamaño poblacional de esta especie.
Este es una hipótesis falsificable por que uno puede hacer un experimento para evaluar la relación que hay entre la producción de semillas y el tamaño poblacional de una especie de plantas.
Los Beatles vendieron más discos que cualquier otro grupo artístico.
Este es una hipótesis falsificable porque se puede contabilizar la cantidad de discos vendidos por los Beatles y otros grupos y determinar si es cierto o no.
Variables Independientes y Dependientes
-La variable Independiente: es la variable que impacta (teóricamente) la variable dependiente (puede ser que no impacta el resultado). Típicamente la x en un modelo es la variable independiente.
-La variable Dependiente: es la variable que recibe el efecto (teóricamente) de la variable independiente. La variable dependiente depende de la variable independiente. Las y’s en un modelo son las variables dependientes.
Niveles de mediciones
Variables continuas
Las variables con datos continuos:
Son valores que son contiguos o por lo menos existe o pudiese existir los valores intermedios.
Ejemplo #1
la distancia entre el valor 13 y 15 es igual que 101 y 103, hay dos unidades que los separa.
Aunque no se haya observado el 14 ni el 102 en un recogido de datos estos valores tienen potencialmente existir, en otra palabra estos valores son posibles en el universo de los datos.
Ejemplo #2
- Si se mide el tamaño de una célula biológicas en micrómetros (µm, \(10^{-6}\)). Los valores intermedios y contiguos existen. Por ejemplo, el largo de las células de Escherichia coli (E. coli) adulta son de 5.27µm en promedio con una desviación estándar de 0.87µm. Esto significa que hay células de diferentes tamaños que van de menos de 2µm a más de 10µm de largo, y todos los valores pueden existir en este rango (ref: https://doi.org/10.1098/rsos.160417). Más tarde veremos como se puede llagar a la conclusión que las células varían entre 2µm a más de 10µm de largo, cuando uno tiene solamente el promedio y la desviación estándar.
Ejemplo #3
- El número de hermanos, si por ejemplo yo pregunto a seis estudiantes
cuantos hermanos tiene. Yo podría tener la siguiente lista. Aunque que
no hubo ningún estudiante que tenga 1 hermano o 6 hermanos, es posible
esta alternativas. Note algo especial aquí es que nadie puede tener 2.4
hermanos, los valores tienen que ser números enteros. Cuando son conteos
así, la distribución de los datos provienen frecuentemente de una
distribución Poisson (veremos más tarde).
- Números de hermanos (0, 2, 5, 3, 8, 4)
Varriables Discretas
- Categórica o Discreta
- Variables Nominales]
- Hombres y Mujeres
- Omnívoro, vegetariano, vegano, carnívoro
- Variables Nominales]
- Variable Ordinal
- Datos donde hay un orden en los valores
- primero, segundo, tercero, etc.
- A, B, C, D, F (nota de estudiantes)
- Datos donde hay un orden en los valores
- Variable Binomio
- Tiene solamente dos alternativas
- Vivo o muerto
- Vive en PR o No vive en PR
- Esta embrazada o No esta embarazada
- Tiene solamente dos alternativas
Como recopilar datos en el campo
Por: Raymond L. Tremblay y Aucencia
Identificar la especie de estudio
Para cualquier studio usando el acercamiento de dinamica poblacional es necesario conocer lo básico de la especie de interes y las etapas/edades que corresponde al ciclo de vida de esa misma. Poder reconocer las semillas, plántulas, juveniles y adultos y si hay etapas latentes. Algunos retos en en el estudio de las orquideas es el siguimiento de las semillas y plántulas en el campo. La dispersión de las semillas en espacio ha sido estudiado muy poco ( Sabat. et al. ) debido a sus tamaños tan pequeños y dificultad de seguir en el espacio. Los métodos de seguir las semillas en su ambiente natural incluye tipicamente ponerlos en una malla y ponerlos en el suelo o la corteza y recogerlos más tarde para ver si estas germinaron (ref).
Identificar plántulas en orquídeas terrestres tiende también a ser muy complidado, ya que están escondidas entre vegetación o cubierta de tierra. La orquideas epitifas, en ciertas especies se puede identificar las plántulas (si no están cubierta de musgo o otra vegetación), pero distinguir entre plántuls de diferentes especies puede ser imposible. Por ejemplo distinguir las plántulas de diferentes especies de Lepanthes en el mismo forofito no es posible (Tremblay comunicación personal). El método de identificar a que especie pertenece fue de seguir estos individuos a las otras etapas (junenil o adulto). Por ejemplo la forma de crecimiento del tallo es diferente entre Lepanthes eltoroensis (prostate) versus Lepanthes woodburyana (erect). Por consecuencia idividuos que no sobreviven a la próxima etapa no se sabe a que especie pertenece.
Marcar los individuos en el campo
Los calidad de los métodos de marcar plantas en el campo para evaluación posterior es primordial para los análisis de dinámica poblacional. Como se marca y cual es la calidad del marcador para detectar y re-evaluar los individuos en años subsiguiente afecta la calidad de los datos. Si los marcadores individuales se pierden y no se reconoce ese problema, los individuos perdidos por marca no permanente se podría categorizar como muerto, y ese individuo no marcado (por haber perdido su identificación) pudiese ser interpretado como un nuevo individuo (reclutamiento). Eso resulta en aumento en mortandad y reclutamiento, sesgando los resultados. Naturalmente, ese sesgo depende de la frecuencia proporcional al tamaño de muestra, menor el tamaño de muestra mayor el sesgo.
El marcados tiene que ser permanente (plástico, metal, etc.) y fácil de encontrar en adición de ser informativo y único para cada planta y reducir las incertidumbres. La dificultad muchas veces proviene de individuos donde los datos son recopilados con numeración similares. Esos problemas muchas veces encuentra años después cuando se quiere re-evaluar los datos y no hay manera aclarar las dudas.
Métodos de marca y recaptura
Indentificaciones de individuos
Cada planta tiene que tener si propia identificación y que no haya confusión con otros individuos de esa misma población o de otra población.
Una población
Por ejemplo si el estudio comenzó en 2023 y solamente hay una población. Los individuos podrían tener una codificación siguiente 23001, 23002, 23003, … 23152 para los 152 individuos encontrado y marcado ese año. El siguiente año se muestra esos individuos y nuevos individuos encontrado comenzarían con 24153. De esta forma ya se conoce cuando fue el primer año de muestreo del individuo y esos nuevos individuos no se confunde con los del año anterior. Cada año comenzaría con identificación del año, y la numeración de los individuos no se repiten en la misma población. Entonces hay redundandia en la codificación ayudando a reducir los errores de codificaciones.
Multiples poblaciones
Siguiendo con el mismo concepto pero múltiples poblaciones, la numeración de la población pudiese utilizar una codificación alfa numérica, donde la letra del alfabeto representa la población y la número los individuos. Siguiera así A23001, A23002,…, 23xxx para la primera población y B23001, B23002,…, B23xxx para las segunda población.
Relocalización de individuos
Para relocalizar los individuos se puede utilizar marcador permanentes o geo-referencias individuales para cada planta.
Métodos de relocalizar los individuos en el campo puede ser complicado.
- uno de los métodos es amarar al individuo la identificación individual de forma que se fácil de encontrar y que no se pierde. Por ejemplo uno puede amarar el “tag” con hilo de pezcar grueso o “twist tags” alrededor de unos pseudobulbos o cerca de la planta. El la foto que sigue vemos una planta Cypripedium acaule en la región de North Bay, Ontario, Canada marcado con un tag metálico cerca de la planta
Necesitamos unos ejemplos
- otro metodo es grapar el “tag” al lado de los individuos. Este es un método que es adecuado para plantas pequeñas. NO se debería poner el tag agarrado a la planta, ya que el peso del tag, podría causar daño a la planta, en adición que este caso las hojas no son persistente, por consecuencia al caer una hoja podría perder el “tag”. En esa foto se uso un pequeño clavo para poner el “tag”, pero también usando una grapadora puede ser más eficiente y menos dañino al árbol. En la foto siguiente se ve un tag de plastico amarado con un clavo al lado de de una planta de Lepanthes eltoroensis en Puerto Rico. Posteriormente se cambio el calvo por una grapadora normal. Ese metodofuncionó muy bien.
Si el sitio esta bien protegido y no hay riesgos de atraer atención a las plantas se puede usar pequeñas banderas para facilitar la recaptura de las plantas.
NOTA importante: los “tags” no deberían ser facil de ver en el habitat ya que podría atraer atención al estudio y hay mucha gente que se llevan plantas del campo, incluyendo plantas que son partes de estudios.
Variables a recoger en el campo
La base de los estudios de dinamica poblacional es evaluar las transiciones entre las etapas de vida incluyendo mortantad y su reprodución. La información que se recoge del campo tiene que ser facil de recoger y consistente y sin error. Si seguimos ejemplos de los trabajos de campo de Tremblay [ref] con Lepanthes, las etapas incluidas son plantulas, juveniles, adultos no reproductivos y adultos reproductivos. Cada una de estas estapas estan definida especificamente para ese genero.
- plantula: individuo que no tiene ninguna hoja con peciolo.
- juvenil: individuo que tiene hojas con peciolo pero no hay ninguna evidencia que fue reproductiva en el pasado (las base de las inflorescencia son persistente)
- adulto non-reproductivo: individuos con inflorescencias secas (ninguna verde)
- adulto reproductivo: individuo con inflorescencia verdes con o sin flores o frutos.
Dependiendo de los estudios pudiese haber más etapas, por ejemplo Tremblay [ ] uso dos etapas de individuos reproductivos.
Otro ejemplo es el estudio de Hernández-Apolinar con la especie xx. donde incluyo…..
Determinar cuantas categoria deberia ser utilizados y cuales es muy dinamica y depende de la especies, número individuos y las preguntas de interes.
Las variables a recoger tiene que incluir el minimo las siguientes
- la etapa en el tiempo t
- si esta vivo o muerto en el tiempo t
- la cantidad de flores en el tiempo t
- la cantidad de frutos en el tiempo t
- la presencia y “tagging” de nuevos individuos en el tiempo t+1
Otras variables que pudiese recoger incluye
el tamaño de las hojas o la hoja más grande
- Brasavola cucculata []: las plantas necesitan un tamaño minimo de largo de hoja antes de florecer
el número de pseudobulbo
- ….
la altura de la inflorescencia
- Caladenia valida []: la altura de la inflorescencia impacta la probabilidad de producir frutos
la altura en el árbol de las epífitas
- Brasavola cucculata []: la plantas muy bajo menos de 1.5m son depredadas por la cabras
el número de “ramet”, un indice del tamaño del genotipo en plantas con crecimiento horizontal
- Cypripedium calceolus var. parviflorum [Tremblay]: Los estudios evolutivos tienen que reconocer la diferencia entre un “ramet” y un “genet”.
indicadores de herbivoria sobre la planta
indicadores de la cantidad plagas sobre la planta como “rust”
Referencias
Como recopilar datos en el campo
Por: Raymond L. Tremblay y Aucencia
Identificar la especie de estudio
Para cualquier studio usando el acercamiento de dinamica poblacional es necesario conocer lo básico de la especie de interes y las etapas/edades que corresponde al ciclo de vida de esa misma. Poder reconocer las semillas, plántulas, juveniles y adultos y si hay etapas latentes. Algunos retos en en el estudio de las orquideas es el siguimiento de las semillas y plántulas en el campo. La dispersión de las semillas en espacio ha sido estudiado muy poco ( Sabat. et al. ) debido a sus tamaños tan pequeños y dificultad de seguir en el espacio. Los métodos de seguir las semillas en su ambiente natural incluye tipicamente ponerlos en una malla y ponerlos en el suelo o la corteza y recogerlos más tarde para ver si estas germinaron (ref).
Identificar plántulas en orquídeas terrestres tiende también a ser muy complidado, ya que están escondidas entre vegetación o cubierta de tierra. La orquideas epitifas, en ciertas especies se puede identificar las plántulas (si no están cubierta de musgo o otra vegetación), pero distinguir entre plántuls de diferentes especies puede ser imposible. Por ejemplo distinguir las plántulas de diferentes especies de Lepanthes en el mismo forofito no es posible (Tremblay comunicación personal). El método de identificar a que especie pertenece fue de seguir estos individuos a las otras etapas (junenil o adulto). Por ejemplo la forma de crecimiento del tallo es diferente entre Lepanthes eltoroensis (prostate) versus Lepanthes woodburyana (erect). Por consecuencia idividuos que no sobreviven a la próxima etapa no se sabe a que especie pertenece.
Marcar los individuos en el campo
Los calidad de los métodos de marcar plantas en el campo para evaluación posterior es primordial para los análisis de dinámica poblacional. Como se marca y cual es la calidad del marcador para detectar y re-evaluar los individuos en años subsiguiente afecta la calidad de los datos. Si los marcadores individuales se pierden y no se reconoce ese problema, los individuos perdidos por marca no permanente se podría categorizar como muerto, y ese individuo no marcado (por haber perdido su identificación) pudiese ser interpretado como un nuevo individuo (reclutamiento). Eso resulta en aumento en mortandad y reclutamiento, sesgando los resultados. Naturalmente, ese sesgo depende de la frecuencia proporcional al tamaño de muestra, menor el tamaño de muestra mayor el sesgo.
El marcados tiene que ser permanente (plástico, metal, etc.) y fácil de encontrar en adición de ser informativo y único para cada planta y reducir las incertidumbres. La dificultad muchas veces proviene de individuos donde los datos son recopilados con numeración similares. Esos problemas muchas veces encuentra años después cuando se quiere re-evaluar los datos y no hay manera aclarar las dudas.
Métodos de marca y recaptura
Indentificaciones de individuos
Cada planta tiene que tener si propia identificación y que no haya confusión con otros individuos de esa misma población o de otra población.
Una población
Por ejemplo si el estudio comenzó en 2023 y solamente hay una población. Los individuos podrían tener una codificación siguiente 23001, 23002, 23003, … 23152 para los 152 individuos encontrado y marcado ese año. El siguiente año se muestra esos individuos y nuevos individuos encontrado comenzarían con 24153. De esta forma ya se conoce cuando fue el primer año de muestreo del individuo y esos nuevos individuos no se confunde con los del año anterior. Cada año comenzaría con identificación del año, y la numeración de los individuos no se repiten en la misma población. Entonces hay redundandia en la codificación ayudando a reducir los errores de codificaciones.
Multiples poblaciones
Siguiendo con el mismo concepto pero múltiples poblaciones, la numeración de la población pudiese utilizar una codificación alfa numérica, donde la letra del alfabeto representa la población y la número los individuos. Siguiera así A23001, A23002,…, 23xxx para la primera población y B23001, B23002,…, B23xxx para las segunda población.
Relocalización de individuos
Para relocalizar los individuos se puede utilizar marcador permanentes o geo-referencias individuales para cada planta.
Métodos de relocalizar los individuos en el campo puede ser complicado.
- uno de los métodos es amarar al individuo la identificación individual de forma que se fácil de encontrar y que no se pierde. Por ejemplo uno puede amarar el “tag” con hilo de pezcar grueso o “twist tags” alrededor de unos pseudobulbos o cerca de la planta. El la foto que sigue vemos una planta Cypripedium acaule en la región de North Bay, Ontario, Canada marcado con un tag metálico cerca de la planta
Necesitamos unos ejemplos
- otro metodo es grapar el “tag” al lado de los individuos. Este es un método que es adecuado para plantas pequeñas. NO se debería poner el tag agarrado a la planta, ya que el peso del tag, podría causar daño a la planta, en adición que este caso las hojas no son persistente, por consecuencia al caer una hoja podría perder el “tag”. En esa foto se uso un pequeño clavo para poner el “tag”, pero también usando una grapadora puede ser más eficiente y menos dañino al árbol. En la foto siguiente se ve un tag de plastico amarado con un clavo al lado de de una planta de Lepanthes eltoroensis en Puerto Rico. Posteriormente se cambio el calvo por una grapadora normal. Ese metodofuncionó muy bien.
Si el sitio esta bien protegido y no hay riesgos de atraer atención a las plantas se puede usar pequeñas banderas para facilitar la recaptura de las plantas.
NOTA importante: los “tags” no deberían ser facil de ver en el habitat ya que podría atraer atención al estudio y hay mucha gente que se llevan plantas del campo, incluyendo plantas que son partes de estudios.
Variables a recoger en el campo
La base de los estudios de dinamica poblacional es evaluar las transiciones entre las etapas de vida incluyendo mortantad y su reprodución. La información que se recoge del campo tiene que ser facil de recoger y consistente y sin error. Si seguimos ejemplos de los trabajos de campo de Tremblay [ref] con Lepanthes, las etapas incluidas son plantulas, juveniles, adultos no reproductivos y adultos reproductivos. Cada una de estas estapas estan definida especificamente para ese genero.
- plantula: individuo que no tiene ninguna hoja con peciolo.
- juvenil: individuo que tiene hojas con peciolo pero no hay ninguna evidencia que fue reproductiva en el pasado (las base de las inflorescencia son persistente)
- adulto non-reproductivo: individuos con inflorescencias secas (ninguna verde)
- adulto reproductivo: individuo con inflorescencia verdes con o sin flores o frutos.
Dependiendo de los estudios pudiese haber más etapas, por ejemplo Tremblay [ ] uso dos etapas de individuos reproductivos.
Otro ejemplo es el estudio de Hernández-Apolinar con la especie xx. donde incluyo…..
Determinar cuantas categoria deberia ser utilizados y cuales es muy dinamica y depende de la especies, número individuos y las preguntas de interes.
Las variables a recoger tiene que incluir el minimo las siguientes
- la etapa en el tiempo t
- si esta vivo o muerto en el tiempo t
- la cantidad de flores en el tiempo t
- la cantidad de frutos en el tiempo t
- la presencia y “tagging” de nuevos individuos en el tiempo t+1
Otras variables que pudiese recoger incluye
el tamaño de las hojas o la hoja más grande
- Brasavola cucculata []: las plantas necesitan un tamaño minimo de largo de hoja antes de florecer
el número de pseudobulbo
- ….
la altura de la inflorescencia
- Caladenia valida []: la altura de la inflorescencia impacta la probabilidad de producir frutos
la altura en el árbol de las epífitas
- Brasavola cucculata []: la plantas muy bajo menos de 1.5m son depredadas por la cabras
el número de “ramet”, un indice del tamaño del genotipo en plantas con crecimiento horizontal
- Cypripedium calceolus var. parviflorum [Tremblay]: Los estudios evolutivos tienen que reconocer la diferencia entre un “ramet” y un “genet”.
indicadores de herbivoria sobre la planta
indicadores de la cantidad plagas sobre la planta como “rust”
Referencias
Como calcular transiciones para la matriz de Lefkovitch
Por: Ernesto Mujica y Elaine Gonzalez y Aucencia
Métodos tradicional de calcular las transiciones
Problema con el uso tradicional
Referencias
Nombre del capitulo.
All chapters start with a first-level heading followed by your
chapter title, like the line above. There should be only one first-level
heading (#) per .Rmd file.
A section
Otra seccion
All chapter sections start with a second-level (##) or
higher heading followed by your section title, like the sections above
and below here. You can have as many as you want within a chapter.
A subsection
The subtopic
More subdivision
Even more subdivision
An unnumbered section
Chapters and sections are numbered by default. To un-number a
heading, add a {.unnumbered} or the shorter
{-} at the end of the heading, like in this section.
Remember not to use only 1 # as this indicates a new chapter
NOTE the size of font changes with the number #
NOTE the size of font changes with the number #
NOTE the size of font changes with the number #
NOTE the size of font changes with the number #
Don’t miss Table @ref(tab:nice-table).
Cross-references
Cross-references make it easier for your readers to find and link to elements in your book.
Chapters and sub-chapters
There are two steps to cross-reference any heading:
Label the heading:
# Hello world {#nice-label}.Leave the label off if you like the automated heading generated based on your heading title: for example,
# Hello world=# Hello world {#hello-world}.To label an un-numbered heading, use:
# Hello world {-#nice-label}or{# Hello world .unnumbered}.
Next, reference the labeled heading anywhere in the text using
\@ref(nice-label); for example, please see Chapter @ref(intro).- If you prefer text as the link instead of a numbered reference use: any text you want can go here.
Captioned figures and tables
Figures and tables with captions can also be
cross-referenced from elsewhere in your book using
\@ref(fig:chunk-label) and
\@ref(tab:chunk-label), respectively.
See Figure @ref(fig:nice-fig).
par(mar = c(4, 4, .1, .1))
plot(pressure, type = 'b', pch = 19)
Here is a nice figure!
Don’t miss Table @ref(tab:nice-table).
knitr::kable(
head(pressure, 10), caption = 'Here is a nice table!',
booktabs = TRUE
)| temperature | pressure |
|---|---|
| 0 | 0.0002 |
| 20 | 0.0012 |
| 40 | 0.0060 |
| 60 | 0.0300 |
| 80 | 0.0900 |
| 100 | 0.2700 |
| 120 | 0.7500 |
| 140 | 1.8500 |
| 160 | 4.2000 |
| 180 | 8.8000 |
(Appendix) List of epiphyitc species
You can add parts to organize one or more book chapters together. Parts can be inserted at the top of an .Rmd file, before the first-level chapter heading in that same file.
Add a numbered part: # (PART) Act one {-} (followed by
# A chapter)
Add an unnumbered part: # (PART\*) Act two {-} (followed
by # A chapter)
Add an appendix as a special kind of un-numbered part:
# (APPENDIX) Other stuff {-} (followed by
# A chapter). Chapters in an appendix are prepended with
letters instead of numbers.
(Appendix) List of terrestrial species
Footnotes and citations
Footnotes
Footnotes are put inside the square brackets after a caret
^[]. Like this one 1.
Let’s add a second footnote. In this case we add information on the origin of matrix algebra 2
Mi tercer footnote es filosofico 3
Citations
Reference items in your bibliography file(s) using
@key.
For example, we are using the bookdown package (Xie 2023) (check
out the last code chunk in index.Rmd to see how this citation key was
added) in this sample book, which was built on top of R Markdown and
knitr (Xie 2015) (this citation was added
manually in an external file book.bib). Note that the .bib
files need to be listed in the index.Rmd with the YAML
bibliography key.
Here is second citation.
Evolutionary processes in orchids are likely to be a interaction between natural selection and genetic drift (Tremblay et al. 2005).
Here is a third citation
un articulo de Damon excepcional (Damon 2000)
Links to websites
The RStudio Visual Markdown Editor can also make it easier to insert citations: https://rstudio.github.io/visual-markdown-editing/#/citations
Blocks
Equations
Here is an equation.
\[\begin{equation} f\left(k\right) = \binom{n}{k} p^k\left(1-p\right)^{n-k} (\#eq:binom) \end{equation}\]
You may refer to using \@ref(eq:binom), like see
Equation @ref(eq:binom).
– this is the script to make the equation connectable in the text
** that the .... are to make the text visual
Theorems and proofs
Labeled theorems can be referenced in text using
\@ref(thm:tri), for example, check out this smart theorem
@ref(thm:tri).
::: {.theorem #tri} For a right triangle, if \(c\) denotes the length of the hypotenuse and \(a\) and \(b\) denote the lengths of the other two sides, we have \[a^2 + b^2 = c^2\]
A site to help create your equations \[\bar{x}=\frac{\sum x_{i}}{n}\]
https://latex.codecogs.com/eqneditor/editor.php
Ahora se enseña la formula del promedio @ref(thm:promedio)
\[\bar{x}= \frac{\sum x_{i}}{n}\]
Si quiere la ecuación en la linea usa solamente un “$” antes y despues de la formula. El promedio tiene la siguiente formula \(\bar{x}= \frac{\sum x_{i}}{n}\) y la varianza se estima tomando la diferencia entre los valores y el promedio.
Read more here https://bookdown.org/yihui/bookdown/markdown-extensions-by-bookdown.html.
Callout blocks
The R Markdown Cookbook provides more help on how to use custom blocks to design your own callouts: https://bookdown.org/yihui/rmarkdown-cookbook/custom-blocks.html